JP2001236090A

JP2001236090A - 音声入力装置

Info

Publication number: JP2001236090A
Application number: JP2000043952A
Authority: JP
Inventors: Koichi Nakada; 孝一中田
Original assignee: Alpine Electronics Inc
Current assignee: Alpine Electronics Inc
Priority date: 2000-02-22
Filing date: 2000-02-22
Publication date: 2001-08-31

Abstract

(57)【要約】【課題】入力音声以外のオーディオ音を必要以上に断
続することなく入力音声を抽出することができる音声入
力システムを提供すること。【解決手段】トークスイッチ７０が押下されると、ミ
ュート処理部３０は、増幅器１２０内の音量調整部１２
２から出力されるオーディオ音信号の信号レベルを調
べ、この信号レベルが所定のしきい値よりも大きい場合
には、音量調整部１２２のボリューム値を制御し、音量
調整部１２２から出力されるオーディオ音信号の信号レ
ベルがしきい値以下となるようにする。この結果、スピ
ーカ１３０から出力されるオーディオ音の音量が所定量
だけ低下する。オーディオ音除去部４０は、マイクロホ
ン１４０から出力される検出信号から、オーディオ音信
号に対応する成分を除去し、除去後の信号を音声認識装
置１５０に出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、マイクロホンによ
って集音した音声信号に重畳されるオーディオ音信号を
除去する音声入力装置に関する。

【０００２】

【従来の技術】最近の車載用機器、例えばナビゲーショ
ン装置やオーディオ機器に各種の操作指示を与える方法
としては、利用者が操作パネルやリモートコントロール
（リモコン）ユニット等に備わった各種のキーを押下す
る方法の他に、利用者によって発せられた操作音声の内
容を音声認識することによって行う方法がある。音声認
識装置を用いて操作指示を行う場合には、操作キーの配
置等を覚える必要がなく、しかも走行中に車両が振動し
た状態でキーの操作を行わないですむため、操作の簡略
化が可能であり、特に最近ではプロセッサの高速化等に
伴って車載用機器についても用いられることが多い。

【０００３】このような音声認識装置による認識率を低
下させる要因の代表的なものに、車室内のオーディオ装
置から出力されるオーディオ音がある。利用者の音声に
オーディオ音が重畳されると、音声認識装置ではそれら
を区別して利用者の音声に対してのみ音声認識処理を行
うことができないため、正確な音声認識処理を行うこと
が困難となる。このため、従来は、トークスイッチが押
下されたときにオーディオ音の出力を中断したりあるい
は音量を下げたりして、音声認識の対象となる音声信号
に重畳されるオーディオ音を除去あるいは低減する工夫
を行っている。

【０００４】

【発明が解決しようとする課題】ところで、上述したよ
うにトークスイッチを押下したときにオーディオ音の出
力を中断する場合には、頻繁に音声認識処理を行ったと
きにオーディオ音が断続することになるため、利用者に
よるオーディオ音の聴取を妨げるという問題がある。特
に、音声入力によって車載用機器の操作を行っている利
用者以外の搭乗者は、この操作とは無関係にオーディオ
音を聴取している場合もあるため、聴取しているオーデ
ィオ音が頻繁に断続されると不快であり、認識対象とな
る入力音声以外のオーディオ音を断続することなく入力
音声を抽出することができる手法が望まれている。

【０００５】また、トークスイッチを押下したときにオ
ーディオ音の音量を下げる場合に、この音量を下げる量
を多く設定した場合には、上述したオーディオ音の出力
を中断した場合と同様なオーディオ音の断続状態が生
じ、一方、この音量を下げる量を少なく設定した場合に
は、入力音声に重畳されるオーディオ音を十分に抑圧す
ることができないことになり、十分な効果が得られな
い。

【０００６】本発明は、このような点に鑑みて創作され
たものであり、その目的は、入力音声以外のオーディオ
音を必要以上に断続することなく入力音声を抽出するこ
とができる音声入力システムを提供することにある。

【０００７】

【課題を解決するための手段】上述した課題を解決する
ために、本発明の音声入力装置は、オーディオ音除去手
段により、マイクロホンから出力される信号からこの信
号に含まれるオーディオ音信号に対応する成分を除去し
ており、この際に、減衰手段からスピーカに向けて出力
される減衰後のオーディオ音信号の信号レベルが所定の
しきい値以下となるように利得設定手段によって減衰手
段の利得を設定している。このため、減衰手段から出力
されるオーディオ音信号の信号レベルが所定のしきい値
以下である場合には、オーディオ音信号はそれ以上減衰
されることがなく、オーディオ音除去手段によるオーデ
ィオ音成分の除去処理だけが行われるので、スピーカか
ら出力されるオーディオ音の音量を不必要に低下させる
ことなく入力音声を抽出することができる。また、減衰
手段から出力されるオーディオ音信号の信号レベルが所
定のしきい値を超えている場合には、信号レベルが所定
値以下となるように減衰手段の利得が設定されるので、
スピーカから出力されるオーディオ音の音量低下を必要
最小限に抑えることができる。したがって、本発明の音
声入力装置によれば、入力音声以外のオーディオ音を必
要以上に断続することなく入力音声を抽出することがで
きる。

【０００８】また、上述した利得設定手段は、マイクロ
ホンから出力される信号に含まれる音声信号とオーディ
オ音信号のパワーの比が所定値以上となるように減衰手
段の利得を設定することが望ましい。音声信号とオーデ
ィオ音信号のパワーの比が所定値以上となるように制御
されるため、良好なＳＮ比を有する音声信号を得ること
ができる。

【０００９】また、音量が異なる複数の入力音声に対応
して用意された複数のしきい値の中からいずれか一つを
選択する選択手段をさらに備え、上述した利得設定手段
は、選択手段によって選択されたしきい値を用いて、減
衰手段の利得を設定することが望ましい。このように、
複数のしきい値を使い分けて減衰手段の利得を設定する
ことにより、複数の利用者の音量（声の大きさ）がそれ
ぞれ異なる場合にも、確実に入力音声を抽出することが
できるとともに、オーディオ音の音量低下を必要最小限
に抑えることができる。

【００１０】

【発明の実施の形態】以下、本発明を適用した一実施形
態の車載用の音声入力装置について、図面を参照しなが
ら説明する。

【００１１】図１は、本実施形態の音声入力装置の構成
を示す図である。同図に示す音声入力装置１００は、ミ
ュート処理部３０、オーディオ音除去部４０、トークス
イッチ７０、操作部８０を含んで構成されており、利用
者がマイクロホン１４０に向かって車載用のナビゲーシ
ョン装置（図示せず）等に対する操作音声を発声したと
きに、スピーカ１３０から出力されるオーディオ音の音
量を必要量だけ調整するとともに、マイクロホン１４０
から出力される検出信号に含まれるオーディオ音成分を
除去して入力音声を抽出して音声認識装置１５０に入力
する。

【００１２】ミュート処理部３０は、オーディオ装置１
１０から出力されるオーディオ音信号の増幅度（減衰
量）を可変する制御を行う。具体的には、オーディオ装
置１１０から出力されるオーディオ音信号は増幅器１２
０に入力されて、音量調整部１２２によって信号レベル
の調整が行われ、その後段の電力増幅部１２４で所定の
ゲインで電力増幅が行われた後に、スピーカ１３０から
オーディオ音が出力される。ミュート処理部３０は、こ
の増幅器１２０内の音量調整部１２２から出力される増
幅後のオーディオ音信号の信号レベルが所定のしきい値
以下となるように、音量調整部１２２による信号の減衰
量（以下、この減衰量を「ミュート量」と称する）を設
定する。これにより、マイクロホン１４０から出力され
る検出信号に含まれるオーディオ音成分の信号レベルが
所定値以下に維持される。

【００１３】オーディオ音除去部４０は、マイクロホン
１４０から出力される検出信号に含まれるオーディオ音
成分を除去する。したがって、利用者によって音声認識
用の所定の単語等が発声され、この音声がマイクロホン
１４０によって集音されると、オーディオ音除去部４０
は、マイクロホン１４０から出力される検出信号に含ま
れるオーディオ音成分を除去し、除去後の信号を音声認
識装置１５０に出力する。

【００１４】トークスイッチ７０は、利用者が操作音声
を発声する際に押下するスイッチであり、操作状況がミ
ュート処理部３０およびオーディオ音除去部４０に送ら
れる。操作部８０は、ミュート処理部３０がミュート量
を算出する際に基準として用いる所定のしきい値を設定
するための操作を行うものであり、利用者による操作内
容に応じた信号をミュート処理部３０に出力する。

【００１５】次に、音声入力装置１００の詳細な構成に
ついて説明する。図２は、音声入力装置１００の詳細構
成を示す図である。同図に示すミュート処理部３０は、
アナログ−デジタル変換器（ＡＤＣ）３２、しきい値設
定部３４、ミュート量設定部３６を含んで構成されてい
る。

【００１６】アナログ−デジタル変換器３２は、増幅器
１２０内の音量調整部１２２から出力されるオーディオ
音信号をデジタルデータに変換する。しきい値設定部３
４は、ミュート量設定部３６がミュート量を設定する際
に基準とするしきい値を設定する。

【００１７】上述したしきい値について具体的に説明す
る。一般に、音声認識処理を良好に行うためには、音声
認識装置に入力される音声信号において、音声成分のパ
ワーＰ_s とオーディオ音成分のパワーＰ_n とのＳＮ比が
１５ｄＢ程度必要であると言われている。ここで、例え
ば、本実施形態の音声入力装置１００に備えられたオー
ディオ音除去部４０の除去性能が−２０ｄＢであるとす
ると、マイクロホン１４０によって集音された検出信号
における音声成分のパワーＰ_s とオーディオ音成分のパ
ワーＰ_n とのＳＮ比が−５ｄＢ以上であれば、マイクロ
ホン１４０から出力される検出信号に対してオーディオ
音除去部４０により所定のオーディオ音除去処理を行う
ことにより、音声認識装置１５０に入力される音声信号
のＳＮ比として１５ｄＢ以上の値を確保することができ
る。すなわち、マイクロホン１４０から出力される検出
信号において、１０ｌｏｇ（Ｐ_s ／Ｐ_n ）＝−５ｄＢと
いう関係を満たす場合に、良好な音声認識処理が行える
こととなる。

【００１８】したがって、まず、不特定多数の利用者を
対象として操作音声を発声した場合の音声成分のパワー
を測定する。なお、複数の利用者を対象として操作音声
を発声した場合の音声成分のパワーを測定する代わり
に、平均的な音量で発声すると考えられる１人あるいは
少数の利用者を対象として操作音声を発声した場合の音
声成分のパワーを測定するようにしてもよい。以後、こ
の平均的な音声成分のパワーをＰ_saとする。次に、求め
られた平均的な音声成分のパワーＰ_saの値を用いて、上
述した１０ｌｏｇ（Ｐ_sa／Ｐ_n ）＝−５ｄＢの関係を満
たすオーディオ音成分のパワーＰ_n の値（以後、この値
を「Ｐ_nthr」とおく）を計算する。次に、オーディオ装
置１１０からオーディオ音信号を出力し、増幅器１２０
内の音量調整部１２２によって音量を変化させて、スピ
ーカ１３０から出力されるオーディオ音をマイクロホン
１４０によって集音する。そして、マイクロホン１４０
から出力される検出信号に基づいて、オーディオ音成分
のパワーＰ_n の値が上述したＰ_nthrとなるように音量調
整部１２２の減衰量設定値（以後、この減衰量設定値を
慣用的な表現を用いて「ボリューム値」と称する）を調
整し、この状態で音量調整部１２２から出力されるオー
ディオ音信号の信号レベルを求める。このようにして求
められたオーディオ音信号の信号レベルが、本実施形態
のしきい値設定部３４において設定されるしきい値ｘ
_thr となる。

【００１９】すなわち、音量調整部１２２から出力され
るオーディオ音信号の信号レベルがしきい値ｘ_thr 以下
となるように音量調整部１２２のボリューム値を調整す
ることにより、マイクロホン１４０から出力される検出
信号に含まれるオーディオ音成分のパワーＰ_n を上述し
たＰ_nthr以下に抑制することができ、これにより上述し
た１０ｌｏｇ（Ｐ_s ／Ｐ_n ）＝−５ｄＢの関係を満た
し、良好な音声認識処理を行うことができる。

【００２０】なお、本実施形態では、上述した方法によ
って求められる不特定多数の利用者を対象とした平均的
な音声成分のパワーＰ_saに対応したしきい値ｘ_thr の他
に、声の音量の大きい利用者を想定して求められたしき
い値ｘ_thr′ 、および声の音量の小さい利用者を想定し
て求められたしきい値ｘ_thr″ のそれぞれがあらかじめ
用意されてしきい値設定部３４に格納されており、声の
音量の大小に応じて、いずれか一つのしきい値を利用者
が選択できるようになっている。本実施形態のしきい値
設定部３４は、操作部８０を介して利用者により選択さ
れたしきい値をミュート量設定部３６に出力する。

【００２１】ミュート量設定部３６は、しきい値設定部
３４によって設定されたしきい値に基づいて、音量調整
部１２２から出力されるオーディオ音信号の信号レベル
がしきい値以下となるように、必要なミュート量を設定
して音量調整部１２２に出力する。ミュート量設定部３
６の動作の詳細については後述する。

【００２２】また、上述した図２に示すオーディオ音除
去部４０は、アンプ４２、２つのアナログ−デジタル変
換器４４、４８、遅延素子４６、適応フィルタ５０、Ｌ
ＭＳ（Least Mean Square ）アルゴリズム処理部５２、
演算部５４を含んで構成されている。

【００２３】アンプ４２は、マイクロホン１４０から出
力される検出信号を所定のゲインで増幅する。アナログ
−デジタル変換器４４は、アンプ４２から出力される検
出信号をデジタルデータに変換する。遅延素子４６は、
アナログ−デジタル変換器４４によってデジタルデータ
に変換された検出信号を所定時間だけ遅延させる。この
遅延素子４６は、例えば、伝達特性Ｚ^-mを有するＦＩＲ
（Finite Impulse Response ）型のデジタルフィルタで
あり、遅延時間ｔに対応するフィルタ係数を１に設定
し、それ以外のフィルタ係数を０に設定することにより
実現される。

【００２４】アナログ−デジタル変換器４８は、オーデ
ィオ装置１１０から出力されるオーディオ音信号をデジ
タルデータに変換する。適応フィルタ５０は、フィルタ
係数Ｗ１を有するＦＩＲ型のデジタルフィルタであり、
アナログ−デジタル変換器４８から出力されるオーディ
オ音信号に対して所定の適応等化処理を行う。このフィ
ルタ係数Ｗ１は、ＬＭＳアルゴリズム処理部５２によっ
て更新される。

【００２５】ＬＭＳアルゴリズム処理部５２は、アナロ
グ−デジタル変換器４８から出力されるオーディオ音信
号（参照信号）と演算部５４から出力される差分信号
（後述する）が入力されており、周知のＬＭＳアルゴリ
ズムを用いることにより、演算部５４から出力される差
分信号のパワーが最小となるように、上述した適応フィ
ルタ５０のフィルタ係数Ｗ１を更新する。

【００２６】演算部５４は、遅延素子４６から出力され
る検出信号と適応フィルタ５０から出力されるオーディ
オ音信号との差分を計算して、差分信号を出力する。上
述したように、ＬＭＳアルゴリズム処理部５２によって
この差分信号のパワーが最小となるように適応フィルタ
５０のフィルタ係数Ｗ１が更新される。このため、フィ
ルタ係数Ｗ１は、スピーカ１３０からオーディオ音が出
力され、マイクロホン１４０からアンプ４２、アナログ
−デジタル変換器４４、遅延素子４６を経由して演算部
５４に至るまでの音響系に対応する伝達特性を模擬した
ものとなる。したがって、適応フィルタ５０から出力さ
れるオーディオ音信号と遅延素子４６から出力される検
出信号に含まれるオーディオ音成分は、位相および振幅
がほぼ同じとなり、演算部５４によって２つの信号の差
分を求めることにより、オーディオ音を除去して、操作
音声のみを抽出することができる。

【００２７】上述した音量調整部１２２が減衰手段に、
オーディオ音除去部４０がオーディオ音除去手段に、ミ
ュート処理部３０が利得設定手段に、操作部８０が選択
手段にそれぞれ対応している。

【００２８】本実施形態の音声入力装置１００はこのよ
うな構成を有しており、次に、オーディオ音除去部４０
によるオーディオ音の除去動作と並行してミュート処理
部３０で行われる所定のミュート処理動作について説明
する。なお、以下の説明では、しきい値設定部３４にお
いて、しきい値ｘ_thr が選択されているものとする。

【００２９】図３は、ミュート処理部３０の動作手順を
示す図であり、主にミュート量設定部３６の動作内容が
説明されている。ミュート量設定部３６は、利用者によ
りトークスイッチ７０が押下されたか否かを判定してお
り（ステップ１００）、トークスイッチ７０が押下され
た場合には肯定判断を行って、アナログ−デジタル変換
器３２から出力されるデジタルデータに基づいて、オー
ディオ音信号の信号レベルを取得する（ステップ１０
１）。

【００３０】次に、ミュート量設定部３６は、オーディ
オ音信号の信号レベルが、しきい値設定部３４によって
設定されたしきい値ｘ_thr よりも大きいか否かを判定す
る（ステップ１０２）。信号レベルｘがしきい値ｘ_thr
よりも小さい場合には、ステップ１０２において否定判
断がなされ、ミュート量設定部３６は、音量を低下させ
る処理（ミュート処理）を行わずにステップ１００に戻
り、トークスイッチが押下されたか否かの判定以降の動
作を繰り返す。このように、本実施形態では、トークス
イッチ７０が押下された場合でも、信号レベルがしきい
値ｘ_thr よりも小さい場合、すなわちスピーカ１３０か
ら出力されるオーディオ音の音量がそれほど大きくなく
音声認識処理に支障をきたさない場合にはミュート処理
を行わないので、不必要にオーディオ音の音量が下げら
れてしまうことがなく、利用者を不快にさせることがな
い。

【００３１】また、信号レベルがしきい値ｘ_thr よりも
大きい場合には、ステップ１０２において肯定判断がな
され、ミュート量設定部３６は、音量調整部１２２に対
して、ボリューム値を現在の値より１レベルだけ下げる
ように指示する（ステップ１０３）。その後、ミュート
量設定部３６は、上述したステップ１０１に戻り、音量
調整部１２２から出力されるオーディオ音信号の信号レ
ベルがしきい値ｘ_thr以下となる（ステップ１０２にお
いて否定判断がなされる）まで、ステップ１０１〜１０
３の処理を繰り返す。

【００３２】図４は、ミュート処理部３０によって音量
調整部１２２のボリューム値を低下させる動作について
説明する図であり、音量調整部１２２のボリューム値と
音量調整部１２２から出力されるオーディオ音信号の信
号レベルとの関係の一例が示されている。音量調整部１
２２に対して入力されるオーディオ音信号の信号レベル
が一定であるとすると、図４において特性ａで示されて
いるように、オーディオ音信号の信号レベルはボリュー
ム値に比例して大きくなる。

【００３３】ここで、例えば、現在のボリューム値がＶ
₁ に設定されており、対応する信号レベルが所定のしき
い値ｘ_thr より大きい値ｘ₁ である場合には、図４にお
いてハッチングが付されている「ミュートあり領域」に
含まれており、ミュート処理部３０は、音量調整部１２
２から出力されるオーディオ音信号の信号レベルがしき
い値ｘ_thr 以下となるように、音量調整部１２２のボリ
ューム値をＶ₀ まで下げる処理を行う。言い換えれば、
ミュート処理部３０は、ボリューム値Ｖ₁ とボリューム
値Ｖ₀ の差（Ｖ₁ −Ｖ₀ ）をミュート量として設定する
ということになる。

【００３４】また、図４において特性ｂで示されている
ように、特性ａの場合に比べてボリューム値の変化量に
対する信号レベルの変化量が大きい場合、すなわち、特
性ａの場合に比較して信号レベルの大きいオーディオ音
信号が音量調整部１２２に入力されている場合を考える
と、ミュート処理部３０は、音量調整部１２２から出力
されるオーディオ音信号の信号レベルがしきい値ｘ_thr
以下となるように、音量調整部１２２のボリューム値を
Ｖ₀′ まで下げる処理を行う。

【００３５】このように、本実施形態では、音量調整部
１２２に対して入力されるオーディオ音信号の信号レベ
ルが変動することにより、上述した特性ａおよび特性ｂ
の例のようにボリューム値と信号レベルとの関係が変化
した場合にも、音量調整部１２２から出力されるオーデ
ィオ音信号の信号レベルを所定のしきい値ｘ_thr 以下と
するのに必要な最低限のミュート量がミュート処理部３
０によって設定されるので、オーディオ音の音量低下を
必要最小限に抑えることができる。

【００３６】このように、本実施形態の音声入力装置１
００は、オーディオ音除去部４０により、マイクロホン
１４０の検出信号に含まれるオーディオ音成分を除去す
る際に、増幅器１２０内の音量調整部１２２から出力さ
れるオーディオ音信号の信号レベルが所定のしきい値よ
りも小さい場合にはミュート処理を行わないので、不必
要にオーディオ音の音量が下げられることがなく、聴取
者を不快にさせることがない。また、信号レベルが所定
のしきい値よりも大きい場合には、この信号レベルがし
きい値以下となるようにミュート量を設定しているの
で、オーディオ音の音量低下を必要最小限に抑えること
ができる。したがって、入力音声以外のオーディオ音を
必要以上に断続することなく入力音声を抽出することが
できる。

【００３７】なお、本発明は上記実施形態に限定される
ものではなく、本発明の要旨の範囲内において種々の変
形実施が可能である。図５は、変形例の音声入力装置１
００ａの構成を示す図である。同図に示す音声入力装置
１００ａは、基本的に上述した音声入力装置１００と同
様の構成を有しており、ミュート処理部３０ａの構成が
異なっている。以下の説明では、主に相違点について説
明を行う。

【００３８】音声入力装置１００ａに含まれるミュート
処理部３０ａは、上述した音声入力装置１００に含まれ
るミュート処理部３０と比較して、アナログ−デジタル
変換器３２が省略され、ゲイン設定部３７、テーブル格
納部３８、乗算部３９が追加されている点が異なってい
る。なお、変形例のミュート処理部３０ａは、アナログ
−デジタル変換器３２が省略されており、増幅器１２０
内の音量調整部１２２から出力されるオーディオ音信号
を取得することができないため、オーディオ音除去部４
０に含まれるアナログ−デジタル変換器４８から出力さ
れるオーディオ音信号（オーディオ装置１１０から出力
される原信号に対応）に対して、後述するテーブル格納
部３８に格納されたデータテーブルに基づいて設定され
るゲイン値を乗算することにより、音量調整部１２２か
ら出力される減衰後のオーディオ音信号とほぼ等しい信
号レベルを計算によって求めている。

【００３９】ゲイン設定部３７は、音量調整部１２２に
設定されているボリューム値を取得し、このボリューム
値とテーブル格納部３８に格納されたデータテーブルと
に基づいて、オーディオ音除去部４０に含まれるアナロ
グ−デジタル変換器４８から出力されるオーディオ音信
号に対して乗算するゲイン値を設定する。

【００４０】テーブル格納部３８は、ゲイン設定部３７
がゲイン値を設定するために必要なデータテーブルを格
納している。図６は、テーブル格納部３８に格納される
データテーブルの一例を示す図である。同図に示す「ボ
リューム値」は、音量調整部１２２のボリューム値を示
しており、その値がＶ₀ 、Ｖ₁ 、Ｖ₂ 、……、Ｖ_n と設
定されている。また、「ゲイン値」は、設定されたボリ
ューム値にしたがって音量調整部１２２が実際にオーデ
ィオ音信号を増幅する、あるいは減衰させる際のゲイン
値を表しており、上述したボリューム値Ｖ₀ 、Ｖ₁ 、Ｖ
₂ 、……、Ｖ_nに対応してＧ₀ 、Ｇ₁ 、Ｇ₂ 、……、Ｇ_n
と設定されている。

【００４１】具体的には、音量調整部１２２は、例え
ば、ボリューム値が「Ｖ₀ 」と設定された場合には、オ
ーディオ音信号に対してゲインＧ₀ が設定されて、オー
ディオ音信号を減衰させる。テーブル格納部３８は、こ
の音量調整部１２２における「ボリューム値」と「ゲイ
ン値」の関係を示したデータテーブルを格納している。
したがって、ゲイン設定部３７は、音量調整部１２２か
ら取得したボリューム値に対応するゲイン値をテーブル
格納部３８に格納されたデータテーブルから抽出し、こ
のゲイン値を乗算部３９に出力する。

【００４２】乗算部３９は、アナログ−デジタル変換器
４８から出力されるオーディオ音信号とゲイン設定部３
７から出力されるゲイン値とを乗算し、乗算結果をミュ
ート量設定部３６に出力する。この結果、乗算部３９か
らは、音量調整部１２２から出力されるオーディオ音信
号の信号レベルとほぼ等しい信号レベルを有するオーデ
ィオ音信号が出力されることとなる。したがって、ミュ
ート量設定部３６は、乗算部３９から出力されるオーデ
ィオ音信号の信号レベルとしきい値設定部３４にから出
力されるしきい値とに基づいて、必要なミュート量を設
定する。

【００４３】音声入力装置１００ａはこのような構成を
有しており、次に、オーディオ音除去部４０によるオー
ディオ音の除去動作と並行してミュート処理部３０ａで
行われる所定のミュート処理動作について説明する。

【００４４】図７は、ミュート処理部３０ａの動作手順
を示す図であり、主にミュート量設定部３６の動作内容
が説明されている。ミュート量設定部３６は、利用者に
よりトークスイッチ７０が押下されたか否かを判定して
おり（ステップ２００）、トークスイッチ７０が押下さ
れた場合には肯定判断を行って、乗算器３９から出力さ
れるデジタルデータに基づいて、オーディオ音信号の信
号レベルを取得する（ステップ２０１）。

【００４５】次に、ミュート量設定部３６は、オーディ
オ音信号の信号レベルが、しきい値設定部３４によって
設定されたしきい値ｘ_thr よりも大きいか否かを判定す
る（ステップ２０２）。信号レベルがしきい値ｘ_thr よ
りも小さい場合には、ステップ１０２において否定判断
がなされ、ミュート量設定部３６は、音量を低下させる
処理（ミュート処理）を行わずにステップ１００に戻
り、トークスイッチが押下されたか否かの判定以降の動
作を繰り返す。

【００４６】また、信号レベルがしきい値ｘ_thr よりも
大きい場合には、ステップ２０２において肯定判断がな
され、ミュート量設定部３６は、音量調整部１２２に対
して、ボリューム値を現在の値より１レベルだけ低下す
るように指示する（ステップ２０３）。音量調整部１２
２のボリューム値が１レベル下げられると、ゲイン設定
部３７は、このボリューム値に対応するゲイン値をテー
ブル格納部３８から抽出して乗算部３９に出力する（ス
テップ２０４）。乗算部３９からは、ゲイン設定部３７
から出力されたゲイン値が乗算されたオーディオ音信号
が出力される（ステップ２０５）。

【００４７】その後、ミュート量設定部３６は、上述し
たステップ２０１に戻り、乗算部３９から出力されるオ
ーディオ音信号の信号レベルがしきい値ｘ_thr 以下とな
る（ステップ２０２において否定判断がなされる）ま
で、ステップ２０１〜２０５の処理を繰り返す。この結
果、信号レベルをしきい値ｘ_thr 以下とするために必要
最低限のミュート量が設定されることとなり、上述した
実施形態と同様に、オーディオ音の音量低下を必要最小
限に抑えることができる。

【００４８】このように、変形例の音声入力装置１００
ａでは、上述した音声入力装置１００と比較して、アナ
ログ−デジタル変換器を１つ省略することができ、構成
の簡略化による低コスト化を図ることができる。

【００４９】また、上述した各実施形態では、しきい値
設定部３４によって設定されるしきい値ｘ_thr について
は、音声認識処理において望ましいＳＮ比（音声成分の
パワーＰ_s とオーディオ音成分のパワーＰ_n とのＳＮ
比）の値を１５ｄＢ、オーディオ音除去部４０の除去性
能を−２０ｄＢとそれぞれ想定し、１０ｌｏｇ（Ｐ_s ／
Ｐ_n ）＝−５ｄＢという関係を満たす場合のオーディオ
音信号の信号レベルをもってしきい値ｘ_thr を決定して
いたが、音声認識処理に必要なＳＮ比の値やオーディオ
音除去部４０の除去性能が上述した値と異なる場合であ
っても同様な手順によりしきい値ｘ_thr を求めることが
できる。

【００５０】また、上述した各実施形態では、不特定多
数の利用者を対象とした平均的な音声成分のパワーに対
応した所定のしきい値ｘ_thr の他に、声の大きい利用者
を想定したしきい値ｘ_thr′ 、および声の小さい利用者
を想定したしきい値ｘ_thr″の３種類のしきい値が用意
されてしきい値設定部３４に格納されていたが、これに
限定されるものではなく、例えば、平均的な値であるｘ
_thr のみを用いるようにして構成や処理手順の簡略化を
図ってもよく、反対に、３種類以上のしきい値を用意し
て、利用者の声の大きさの個人差により細かく対応でき
るようにしてもよい。

【００５１】また、しきい値設定部３４において、あら
かじめ用意された３種類のしきい値の中からいずれかを
選択する際に、上述した実施形態では、操作部８０を介
して手動により利用者に選択させるようにしていたが、
マイクロホン１４０から出力される検出信号に基づいて
利用者の声の大きさを判定し、判定結果に基づいて自動
的にしきい値を設定するようにしてもよい。

【００５２】また、上述した実施形態では、利用者は、
トークスイッチ７０を押下した後に操作音声を発声する
ようにしたが、操作音声の先頭部分を検出する回路を設
けて、この検出信号をミュート量設定部３６やＬＭＳア
ルゴリズム処理部５２に送るようにしてもよい。

【００５３】また、上述した実施形態では、車載用の音
声入力装置について説明したが、音声入力装置の用途は
車載用に限定されず、建物内あるいは屋外で用いるよう
にしてもよい。

【００５４】

【発明の効果】上述したように、本発明によれば、入力
されるオーディオ音信号の信号レベルが所定値以下であ
る場合には、入力音声以外のオーディオ音の音量を低下
することなくオーディオ音成分の除去処理が行われ、入
力されるオーディオ音信号の信号レベルが所定値を超え
る場合にも、オーディオ音の音量低下を必要最小限に抑
えながらオーディオ音成分の除去処理が行われるので、
入力音声以外のオーディオ音を必要以上に断続すること
なく入力音声を抽出することができる。

【図面の簡単な説明】

【図１】一実施形態の音声入力装置の構成を示す図であ
る。

【図２】音声入力装置の詳細構成を示す図である。

【図３】ミュート処理部の動作手順を示す図である。

【図４】ミュート処理部によって音量調整部のボリュー
ム値を低下させる動作について説明する図である。

【図５】変形例の音声入力装置の構成を示す図である。

【図６】テーブル格納部に格納されるデータテーブルの
一例を示す図である。

【図７】変形例のミュート処理部の動作手順を示す図で
ある。

【符号の説明】

３０、３０ａミュート処理部３２、４４、４８アナログ−デジタル変換器（ＡＤ
Ｃ）３４しきい値設定部３６ミュート量設定部３７ゲイン設定部３８テーブル格納部３９乗算部４０オーディオ音除去部４２アンプ４６遅延素子５０適応フィルタ５２ＬＭＳアルゴリズム処理部５４演算部７０トークスイッチ８０操作部１００、１００ａ音声入力装置１１０オーディオ装置１２０増幅器１２２音量調整部１２４電力増幅部１３０スピーカ１４０マイクロホン１５０音声認識装置

Claims

【特許請求の範囲】

【請求項１】入力されるオーディオ音信号を所定の利
得で減衰させてスピーカから出力する減衰手段と、マイクロホンから出力される信号から、この信号に含ま
れる前記オーディオ音信号に対応する成分を除去するオ
ーディオ音除去手段と、前記減衰手段から出力される減衰後の前記オーディオ音
信号の信号レベルが所定のしきい値以下となるように、
前記減衰手段の利得を設定する利得設定手段と、を備えることを特徴とする音声入力装置。
【請求項２】請求項１において、前記利得設定手段は、前記マイクロホンから出力される
信号に含まれる音声信号と前記オーディオ音信号のパワ
ーの比が所定値以上となるように前記減衰手段の利得を
設定することを特徴とする音声入力装置。
【請求項３】請求項２において、音量が異なる複数の入力音声に対応して用意された複数
の前記しきい値の中からいずれか一つを選択する選択手
段をさらに備えており、前記利得設定手段は、前記選択手段によって選択された
前記しきい値を用いて、前記減衰手段の利得を設定する
ことを特徴とする音声入力装置。